光学防抖 OIS 与电子防抖 EIS 的区别：镜片位移 vs 算法裁切的原理

一、抖动从哪里来：手持抖动的频谱与统计特征

要理解 OIS 与 EIS 的分工，必须先搞清楚"敌人"长什么样。手持拍摄的抖动并非单一频率的正弦振动，而是由生理震颤、呼吸、行走冲击、心跳微动等多源叠加形成的宽频随机过程。根据人体运动生理学的公开研究，手部震颤的主要能量集中在 0.5—20 Hz 区间，其中 1—8 Hz 是幅度最大的"重灾区"，而行走时的步态冲击会在 1.5—3 Hz 附近形成明显峰值。

从工程视角看，抖动可分为三类：平移抖动（手在 X/Y/Z 三轴上的位移）、旋转抖动（俯仰 pitch、偏航 yaw、滚转 roll）以及复合抖动（平移与旋转的耦合）。对于手机这种短焦距、小体积的成像系统，旋转抖动（尤其是 pitch 和 yaw）对画面位移的贡献远大于平移抖动——这一点常被初学者忽略。

笔者认为：理解"旋转主导"是理解 OIS 设计逻辑的钥匙。手机镜头的等效焦距通常在 24—120 mm，在 1 米距离上，0.1° 的旋转抖动在 24 mm 端约造成 0.4 mm 的画面位移，而在 120 mm 长焦端可放大到 2 mm 以上——这正是长焦对 OIS 依赖度极高的根本原因。

抖动的统计特征还体现在幅度分布上。公开的 IMU 实测数据表明，静态手持时角速度抖动的均方根值约在 0.1—0.5 °/s，行走时可达 2—5 °/s，跑步或运动场景下甚至超过 10 °/s。这组数据直接决定了防抖系统需要多大的补偿行程和带宽。以某旗舰机型公开的 OIS 行程参数为例，其镜片位移范围约 ±0.3 mm，对应可补偿约 ±1.5° 的旋转抖动（视焦距而定），这解释了为什么剧烈运动场景仍需 EIS 介入。

1.1 抖动的频域分解与补偿需求

把抖动信号做 FFT 分解后，可以清晰看到不同频段的能量分布。低频段（<1 Hz）主要是缓慢的身体晃动，人眼对这类低频漂移的容忍度较高；中频段（1—10 Hz）是生理震颤主体，也是人眼最敏感、最需要抑制的区间；高频段（>10 Hz）幅度小但频率高，容易引起画面高频抖动和运动模糊。

不同防抖技术的有效带宽差异巨大：OIS 的闭环带宽通常受限于执行器响应速度，典型值在 10—50 Hz；EIS 的补偿带宽理论上只受算法延迟和裁切余量限制，可覆盖 0—100 Hz 甚至更高，但代价是画质损失。本文评述：正是这种带宽互补性，催生了"OIS 管中低频、EIS 管中高频"的协同架构，这也是当前旗舰机型的主流选择。

1.2 抖动数据的采集与预处理

现代手机的抖动数据主要来自六轴 IMU（三轴陀螺仪 + 三轴加速度计），采样率通常在 200—1000 Hz。陀螺仪提供角速度，加速度计提供线性加速度，两者通过互补滤波或卡尔曼滤波融合，估计出相机的实时姿态。需要说明的是，IMU 与图像传感器之间存在时间戳对齐问题，若对齐误差超过半个曝光周期，EIS 的对齐精度就会显著下降。

在实际工程中，IMU 数据还需经过零偏校准、温度补偿、去噪滤波等预处理。以公开的 Android Camera2 API 文档为例，其 SENSOR_INFO_TIMESTAMP_SOURCE 字段就用于描述时间戳来源，开发者需据此做对齐。这部分细节往往是 EIS 效果好坏的分水岭。

二、OIS 的物理原理：镜片位移与传感器位移两条路线

OIS 的核心思想非常直观：既然抖动让光路偏移了，那就用机械方式把光路"拉回来"。根据补偿元件的位置不同，OIS 主要分为两大类——镜片位移式（Lens-Shift OIS）和传感器位移式（Sensor-Shift OIS）。

2.1 镜片位移式 OIS（Lens-Shift）

镜片位移式 OIS 通过驱动镜头组中的补偿镜片（通常是其中一片或一组）在垂直于光轴的平面内移动，从而改变光路方向，抵消抖动引起的像移。其执行器多为音圈马达（VCM），通过线圈在磁场中受力驱动镜片平移。

这种方案的优势是技术成熟、成本可控、响应速度快，是目前中高端手机最普遍的方案。但其局限也很明显：补偿镜片的质量有限，行程受限；镜片移动会引入轻微的像差变化；且只能补偿平移分量，对旋转抖动的补偿需要通过光路几何间接实现。

从公开专利看，镜片位移式 OIS 的典型行程为 ±0.2—0.4 mm，闭环带宽约 20—40 Hz，功耗在 50—150 mW 量级（视补偿幅度而定）。这些参数直接决定了它对低频大振幅抖动的补偿能力较强，对高频抖动则力不从心。

2.2 传感器位移式 OIS（Sensor-Shift）

传感器位移式 OIS 则把补偿元件换成了图像传感器本身，通过驱动传感器在像平面内平移来抵消像移。这种方案最早在专业相机上应用，近年来被引入手机（如部分旗舰机型的主摄）。其优势在于：传感器质量虽大，但可以做得更薄；补偿时不影响光路，避免镜片移动带来的像差；且更容易实现多轴补偿。

但传感器位移式的挑战同样突出：传感器连同封装、散热结构一起移动，质量远大于镜片，对执行器的推力和响应速度要求更高；功耗通常也更大，典型值在 100—300 mW。此外，传感器移动会牵动柔性电路板（FPC），长期可靠性需要专门设计。

本文评述：镜片位移与传感器位移的选择，本质上是"轻负载快响应"与"重负载高画质"之间的权衡。前者适合追求性价比的中端机型，后者适合追求极致画质的旗舰主摄。两者并非优劣之分，而是定位之别。

2.3 OIS 的闭环控制架构

无论哪种 OIS，其控制架构都遵循"传感—估计—驱动—反馈"的闭环逻辑。陀螺仪测量角速度，经积分得到角度偏移；控制器根据偏移量计算补偿量；驱动器（VCM 或压电）推动补偿元件；位置传感器（霍尔元件或光学编码器）反馈实际位移，形成闭环。

这个闭环的带宽和相位裕度是关键指标。带宽过低，高频抖动补偿不足；相位裕度不足，系统容易振荡。公开的控制理论资料显示，OIS 闭环通常采用 PID 或超前-滞后补偿器，带宽设计在 20—50 Hz，相位裕度保持在 45° 以上。这部分设计直接决定了 OIS 的"手感"和稳定性。

三、EIS 的算法原理：从陀螺仪到裁切重映射

如果说 OIS 是"物理对抗"，EIS 就是"计算对抗"。EIS 不移动任何机械部件，而是通过算法对图像进行裁切、平移、旋转，把抖动引起的画面偏移"抹平"。其核心流程可拆解为四步：运动估计 → 运动滤波 → 补偿量计算 → 图像重映射。

3.1 运动估计：IMU 与视觉的融合

运动估计是 EIS 的第一步，目的是获取每一帧相对于参考帧的位移和旋转。主流方案有两种：纯 IMU 方案和视觉辅助方案。纯 IMU 方案依赖陀螺仪积分，优点是延迟低、计算量小，缺点是积分漂移会累积误差；视觉辅助方案通过特征点匹配估计帧间运动，优点是精度高，缺点是计算量大、对纹理稀疏场景敏感。

当前旗舰机型多采用 IMU 与视觉融合的方案：以 IMU 为主，视觉为辅做漂移校正。公开的学术研究（如 CVPR、ICCV 相关论文）表明，融合方案可将运动估计误差降低 30%—50%，但代价是额外的计算开销和延迟。

3.2 运动滤波：区分"有意运动"与"无意抖动"

拿到运动轨迹后，EIS 需要区分哪些是用户有意的运镜（如平移、摇摄），哪些是无意的抖动。这一步靠运动滤波完成。常用方法包括低通滤波、卡尔曼滤波、以及基于运动意图识别的自适应滤波。

低通滤波的思路是：低频运动视为有意运镜予以保留，高频抖动予以抑制。但固定截止频率的低通滤波在快速运镜时会产生"拖影"或"滞后感"。因此，现代 EIS 多采用自适应滤波，根据运动速度动态调整截止频率。本文评述：运动滤波是 EIS 中最具"艺术性"的环节，它直接决定了成片是"稳如鸡头"还是"稳得僵硬"。

3.3 图像重映射：裁切、平移与旋转

补偿量计算完成后，就需要对图像做几何变换。最常见的是裁切（Crop）：预留一定比例的边缘像素作为"补偿余量"，然后根据抖动偏移在余量范围内平移裁切窗口。裁切比例通常在 10%—30% 之间，裁切越多，补偿能力越强，但分辨率损失越大。

除平移外，EIS 还可做旋转补偿（Roll 校正）和透视校正（Perspective 校正）。旋转补偿用于抵消滚转抖动，透视校正用于抵消俯仰/偏航引起的梯形畸变。这些变换通过单应性矩阵（Homography）实现，计算量较大，通常需要硬件加速。

EIS 处理步骤	核心方法	典型延迟	画质代价
运动估计	IMU 积分 + 视觉匹配	1—3 帧	无明显损失
运动滤波	自适应低通/卡尔曼	1—2 帧	可能引入滞后
补偿量计算	单应性矩阵求解	<1 帧	无
图像重映射	裁切 + 仿射/透视变换	1—2 帧	分辨率损失、边缘插值

表 1：EIS 处理流水线各步骤的延迟与画质代价（数据来源：综合公开文献与工程实践整理，部分为模拟估算）

四、补偿传递函数：OIS 与 EIS 的频域分工

把 OIS 和 EIS 放在频域里看，两者的分工就一目了然了。OIS 的补偿传递函数在低频段接近 1（完全补偿），随着频率升高逐渐衰减，在带宽附近出现相位滞后；EIS 的补偿传递函数则取决于裁切余量和滤波策略，理论上可以做到全频段补偿，但高频补偿会放大噪声和插值伪影。

这就引出了一个关键设计原则：让 OIS 承担它擅长的低频大振幅补偿，让 EIS 承担它擅长的高频小振幅补偿。两者在频域上形成互补，而非竞争。公开的联合防抖研究（如 IEEE 相关论文）表明，协同设计的 OIS+EIS 方案相比单一方案，可将残余抖动降低 40%—60%。

4.1 残余抖动的来源与量化

即使 OIS 和 EIS 都工作，画面仍会有残余抖动。残余抖动主要来自三方面：一是 OIS 带宽外的抖动未被补偿；二是 EIS 裁切余量耗尽后的补偿不足；三是 IMU 噪声和算法误差引入的"假补偿"。

量化残余抖动通常用"角速度残余"或"像素位移残余"表示。工程上常用的一种方法是：在标准抖动台上施加已知频率和幅度的抖动，测量成像后的画面位移，与理论补偿量对比，得到残余率。公开测试数据显示，优质 OIS+EIS 方案在 1—10 Hz 的残余率可控制在 10% 以内，10—20 Hz 约 20%—30%。

4.2 频域分工的工程实现

在工程实现上，频域分工通常通过"分频补偿"实现：IMU 信号经分频滤波后，低频分量送给 OIS 控制器，高频分量送给 EIS 算法。分频点（Crossover Frequency）的选择是关键——太低则 OIS 负担过重，太高则 EIS 裁切压力大。经验值通常在 5—15 Hz 之间，具体取决于 OIS 带宽和 EIS 裁切余量。

笔者认为：分频点的选择没有"万能公式"，必须结合具体硬件参数和场景调优。一个实用的方法是：先测出 OIS 的闭环带宽，把分频点设在带宽的 0.5—0.8 倍处，再根据实拍效果微调。这个"半经验"方法在多个项目中验证有效。

五、画质代价对比：分辨率、噪声、卷帘畸变与果冻效应

OIS 和 EIS 对画质的影响路径完全不同。OIS 是"物理补偿"，理论上不损失分辨率，但会引入轻微的像差和光轴偏移；EIS 是"计算补偿"，必然损失分辨率（裁切），还可能引入插值伪影、噪声放大和卷帘畸变校正带来的形变。

5.1 分辨率损失：EIS 的"硬成本"

EIS 的分辨率损失来自裁切。假设裁切比例为 r（如 20%），则有效像素数变为原来的 (1-r)²。以 5000 万像素传感器为例，20% 裁切后有效像素约 3200 万，30% 裁切后约 2450 万。这个损失在 4K 视频（约 830 万像素）中尚可接受，但在高像素拍照中就比较明显了。

需要指出的是，很多机型在拍照时并不开启 EIS，只在视频时开启，正是因为拍照对分辨率更敏感。本文评述：EIS 的分辨率损失是"确定性代价"，而 OIS 的画质影响是"不确定性代价"（取决于机械精度），两者在工程权衡中需要区别对待。

5.2 卷帘畸变与果冻效应

CMOS 传感器多采用卷帘曝光（Rolling Shutter），逐行读出，这在快速运动或抖动时会产生"果冻效应"——画面中的直线被扭曲成斜线或波浪线。OIS 通过物理补偿减少了抖动，间接减轻了果冻效应；EIS 则可以通过算法校正卷帘畸变，但校正本身会引入形变和插值损失。

公开的卷帘畸变校正研究（如 2023—2024 年相关论文）表明，基于 IMU 的逐行校正可将果冻效应降低 70% 以上，但需要精确的时间戳对齐和行曝光时间建模。这部分是高端 EIS 的"技术护城河"。

5.3 噪声与插值伪影

EIS 的图像重映射涉及亚像素插值，常用的双线性或双三次插值会轻微模糊画面，并可能放大噪声。在低照度场景下，这种影响更明显。因此，高端 EIS 通常与降噪算法联合设计，在补偿的同时抑制噪声放大。

画质维度	OIS 影响	EIS 影响	协同方案
分辨率	基本无损	裁切损失 10%—30%	OIS 为主，减少裁切
噪声	无直接影响	插值可能放大	联合降噪
卷帘畸变	间接减轻	可算法校正	IMU 逐行校正
像差	镜片移动引入轻微像差	无	光学设计补偿

表 2：OIS 与 EIS 对各画质维度的影响对比（来源：综合公开资料整理）

六、传感器架构与驱动：从 VCM 到 SMA 再到 MEMS

OIS 的性能上限，很大程度上由执行器决定。目前主流的 OIS 执行器有三类：音圈马达（VCM）、形状记忆合金（SMA）和微机电系统（MEMS）。三者在推力、行程、响应速度、功耗、成本上各有取舍。

6.1 音圈马达（VCM）

VCM 是目前最成熟的方案，通过线圈在永磁场中受力驱动镜片。其优点是结构简单、成本低、线性度好；缺点是推力有限、功耗随补偿幅度增加、行程受限。公开资料显示，典型 VCM OIS 的行程约 ±0.2—0.4 mm，功耗 50—150 mW。

6.2 形状记忆合金（SMA）

SMA 利用合金在温度变化下的相变产生形变，驱动镜片移动。其优点是推力大、体积小、可实现较大行程；缺点是响应速度受热传导限制、功耗较高、寿命和一致性需要验证。近年来，SMA 在部分旗舰机型中得到应用，主要用于长焦 OIS。

6.3 微机电系统（MEMS）

MEMS OIS 通过微加工工艺制造微型执行器，具有体积小、响应快、功耗低的潜力。其挑战在于推力有限、制造工艺复杂、成本较高。公开研究显示，MEMS OIS 的带宽可达 100 Hz 以上，适合高频抖动补偿，但目前量产应用仍有限。

本文评述：执行器的选择是"性能—成本—可靠性"的三角权衡。VCM 适合走量机型，SMA 适合长焦旗舰，MEMS 则是未来方向。短期内 VCM 仍将是主流，但 SMA 和 MEMS 的渗透率会逐步提升。

七、算法流水线：EIS 的实时实现与延迟预算

EIS 是典型的实时图像处理任务，对延迟极其敏感。从 IMU 采样到最终画面输出，整个流水线的延迟必须控制在人眼可接受的范围内（通常 <100 ms，理想 <50 ms）。这就对算法效率和硬件加速提出了很高要求。

7.1 延迟预算的分配

一个典型的 EIS 延迟预算如下：IMU 采样与传输 1—3 ms，运动估计 5—15 ms，运动滤波 2—5 ms，补偿量计算 1—3 ms，图像重映射 10—30 ms，显示/编码 10—20 ms。总计约 30—75 ms。其中图像重映射是大头，通常需要 GPU 或专用 ISP 加速。

7.2 硬件加速方案

EIS 的硬件加速主要有三条路径：GPU 通用计算、专用 ISP 模块、以及 NPU 加速。GPU 方案灵活但功耗高；ISP 方案效率高但灵活性差；NPU 方案适合 AI 增强的 EIS，但需要模型优化。当前旗舰机型多采用 ISP + GPU 混合方案，兼顾效率和灵活性。

7.3 与视频编码的协同

EIS 处理后的画面需要送入视频编码器。如果 EIS 和编码器各自为政，会导致额外的内存拷贝和延迟。高端方案会将 EIS 重映射与编码预处理融合，减少中间环节。这部分优化对 4K/8K 高帧率视频尤为重要。

八、功耗、热设计与可靠性边界

防抖系统是手机的"耗电大户"之一，尤其在视频录制时。OIS 的功耗主要来自执行器驱动，EIS 的功耗主要来自算法计算。两者叠加，可能占据整机功耗的 10%—20%。

8.1 功耗构成与优化

OIS 功耗与补偿幅度正相关：静态手持时约 30—80 mW，剧烈运动时可达 200—400 mW。EIS 功耗与分辨率和帧率正相关：1080p30 约 100—200 mW，4K60 可达 500 mW 以上。优化方向包括：自适应降低补偿强度、动态调整算法复杂度、以及硬件加速降低单位计算功耗。

8.2 热设计挑战

长时间视频录制时，OIS 执行器和 ISP 都会发热，导致机身温度上升。高温会影响 IMU 零偏稳定性、镜片折射率、以及传感器暗电流。因此，热设计需要与防抖设计协同：合理布局发热元件、增加散热路径、以及温度补偿算法。

8.3 可靠性边界

OIS 是机械运动部件，存在磨损、疲劳、跌落损坏等风险。公开的可靠性测试标准（如跌落测试、振动测试、高低温循环）对 OIS 有明确要求。EIS 是纯软件，可靠性主要取决于算法稳定性和硬件加速器的健壮性。

九、标定与测试：如何量化防抖性能

防抖性能的量化是工程落地的关键。没有可靠的测试方法，就无法客观比较不同方案的优劣。目前业界常用的测试方法包括：抖动台测试、实拍主观评价、以及基于 IMU 的残余抖动分析。

9.1 抖动台测试

抖动台可以施加已知频率、幅度、方向的抖动，是实验室标准测试手段。测试时，将手机固定在抖动台上，录制标准测试卡，然后分析画面位移。常用指标包括：补偿率（实际补偿量/理论补偿量）、残余抖动 RMS、以及频率响应曲线。

9.2 实拍主观评价

实验室数据再好，最终还要看实拍效果。主观评价通常由多名评测人员在不同场景（步行、跑步、车载）下拍摄，按预设标准打分。为减少主观偏差，可采用双盲测试和统计分析方法。

9.3 基于 IMU 的残余抖动分析

这是一种"半实物"测试方法：录制视频的同时记录 IMU 数据，然后离线分析补偿前后的角速度差异。优点是无需抖动台，可在真实场景中测试；缺点是无法分离 OIS 和 EIS 的贡献。

十、工程选型与调优路径

前面九章铺垫了原理和权衡，这一章给出可落地的选型与调优路径。需要说明的是，以下路径基于公开资料和工程经验总结，具体项目需结合硬件参数和产品定位调整。

10.1 选型决策树

第一步，明确产品定位：旗舰机型优先考虑 OIS+EIS 协同，中端机型可考虑 OIS 为主、EIS 为辅，入门机型可仅用 EIS。第二步，根据焦段选择 OIS 类型：主摄可选镜片位移或传感器位移，长焦建议镜片位移或 SMA。第三步，根据视频规格选择 EIS 方案：4K60 需要硬件加速，8K 需要更强算力。

10.2 调优步骤

1. 标定 IMU：完成零偏、尺度因子、轴间对齐的标定，确保运动估计精度。
2. 测量 OIS 带宽：用抖动台测出 OIS 闭环频率响应，确定分频点。
3. 设计分频滤波：根据分频点设计低通/高通滤波器，分配 OIS 和 EIS 的补偿任务。
4. 调优 EIS 裁切：根据场景动态调整裁切比例，平衡补偿能力和分辨率。
5. 联合调试：在典型场景（步行、跑步、车载）下实拍，迭代优化参数。
6. 功耗优化：根据场景动态调整补偿强度，降低功耗和发热。

10.3 常见问题与对策

常见问题	可能原因	对策
画面"果冻"明显	卷帘畸变未校正	启用 IMU 逐行校正
运镜时画面"拖影"	运动滤波截止频率过低	提高截止频率或自适应滤波
低照度下噪声放大	EIS 插值放大噪声	联合降噪，降低裁切比例
OIS 异响或振荡	闭环相位裕度不足	重新设计补偿器，增加阻尼

表 3：防抖系统常见问题与对策（来源：工程经验整理）

十一、前沿演进：AI 防抖、传感器内防抖与计算光学融合

防抖技术并未止步。近三年，AI 防抖、传感器内防抖、以及计算光学融合成为三大前沿方向。

11.1 AI 防抖

AI 防抖用神经网络替代传统滤波和重映射，实现更智能的运动意图识别和补偿。公开研究（如 2023—2024 年 CVPR、ICCV 论文）表明，AI 防抖在复杂场景（如运动、遮挡）下的表现优于传统方法，但计算量大、延迟高、泛化性需验证。

11.2 传感器内防抖

传感器内防抖（In-Sensor Stabilization）通过在像素级或列级做补偿，减少对机械执行器的依赖。其潜力在于更快的响应和更低的功耗，但目前仍处于研究阶段，量产应用有限。

11.3 计算光学融合

计算光学融合把防抖与光学设计、图像处理联合优化，从系统层面提升性能。例如，通过特殊的光学设计（如自由曲面）配合算法，实现更高效的防抖。本文评述：这是最具想象力的方向，但需要跨学科协作，短期难以落地。

11.4 拓展学习资源

对防抖技术感兴趣的读者，可参考以下公开资源：Android Camera2 API 官方文档（developer.android.com）提供了 OIS/EIS 的 API 说明；IEEE Xplore 和 CVPR 开放论文库可检索防抖相关学术研究；YouTube 上的相机评测频道（如 DXOMARK 官方频道）有大量实拍对比视频。

十二、结论与展望

OIS 与 EIS 的区别，本质上是"物理补偿"与"计算补偿"的区别。OIS 通过镜片或传感器的物理位移补偿光路偏移，擅长低频大振幅抖动，画质代价小但受机械限制；EIS 通过算法裁切和重映射补偿画面偏移，擅长高频小振幅抖动，补偿能力强但损失分辨率。

本文的核心结论是：OIS 与 EIS 不是替代关系，而是互补关系。真正优秀的防抖系统，是在频域上合理分工、在系统层面协同设计、在标定上精益求精的系统工程。未来，随着 AI 防抖、传感器内防抖、计算光学融合的发展，防抖技术将从"补偿抖动"走向"理解运动"，从"被动应对"走向"主动优化"。

对工程师而言，掌握 OIS 和 EIS 的原理只是起点，更重要的是理解它们在不同场景下的权衡，并具备系统调优的能力。这正是本文希望传递的核心价值。

十三、参考文献